如何使用水平投影清理二进制图像？

Question

我想使用二进制过滤器从车牌中删除除文本以外的任何内容。

我在每个轴上都有投影，但我不知道如何应用它。我的想法是消除白色轮廓。

这是我现在正在工作的图像：

这是 X 轴上的投影：

from matplotlib import pyplot as plt
import pylab

(rows,cols)=img.shape
h_projection = np.array([ x/255/rows for x in img.sum(axis=0)])
plt.plot(range(cols), h_projection.T)

结果如下：

正如您在图表中看到的那样，线的末端是由白色轮廓拍摄的。

如何擦除照片某个阈值处的所有内容？感谢您的每一次帮助

Answer 1

因此，您想提取白色字符中的黑色区域。 例如，您可以选择直方图中值小于某个阈值的列（或行）。

from matplotlib import pyplot as plt
import pylab
import numpy as np


img = plt.imread('binary_image/iXWgw.png')
(rows,cols)=img.shape
h_projection = np.array([ x/rows for x in img.sum(axis=0)])
threshold = (np.max(h_projection) - np.min(h_projection)) / 4
print("we will use threshold {} for horizontal".format(threshold))
# select the black areas
black_areas = np.where(h_projection < threshold)
fig = plt.figure(figsize=(16,8))
fig.add_subplot(121)
for j in black_areas:
    img[:, j] = 0
    plt.plot((j, j), (0, 1), 'g-')
plt.plot(range(cols), h_projection.T)

v_projection = np.array([ x/cols for x in img.sum(axis=1)])
threshold = (np.max(v_projection) - np.min(v_projection)) / 4
print("we will use threshold {} for vertical".format(threshold))
black_areas = np.where(v_projection < threshold)
fig.add_subplot(122)
for j in black_areas:
    img[j, :] = 0
    plt.plot((0,1), (j,j), 'g-')
plt.plot(v_projection, range(rows))
plt.show()

# obscurate areas on the image
plt.figure(figsize=(16,12))
plt.subplot(211)
plt.title("Image with the projection mask")
plt.imshow(img)

# erode the features
import scipy
plt.subplot(212)
plt.title("Image after erosion (suggestion)")
eroded_img = scipy.ndimage.morphology.binary_erosion(img,  structure=np.ones((5,5))).astype(img.dtype)
plt.imshow(eroded_img)
plt.show()

现在你有了水平和垂直投影，看起来像这样

然后你可以应用掩码：有几种方法可以做到这一点，在代码中已经应用了 for 循环，我们为列设置img[:,j] = 0，为行设置img[j,:] = 0。这很简单，我认为很直观，但你可以寻找其他方法。 作为一个建议，我想说你可以查看erosion 的形态运算符，它可以帮助分离白色部分。 所以输出应该是这样的。

不幸的是，上下部分仍然显示白色区域。您可以手动将行设置为白色img[:10,:] = 0, img[100:,:] = 0，但这可能不适用于您拥有的所有图像（如果您尝试训练神经网络，我假设您有很多，所以您需要有一个代码适用于所有这些。

所以，既然您现在也要求进行细分，这就打开了另一个话题。分割是一项复杂的任务，它不像二进制掩码那样简单。我强烈建议你在不理解的情况下应用一些东西之前阅读一些关于这方面的材料。例如here a guide on image processing with scipy，但您可以寻找更多。 作为一个建议和一个小的 sn-p 使其工作，您可以使用来自 scipy.ndimage 的标签。 这里有一小部分代码（来自guide）

label_im, nb_labels = scipy.ndimage.label(eroded_img)
plt.figure(figsize=(16,12))
plt.subplot(211)
plt.title("Segmentation")
plt.imshow(label_im)   
plt.subplot(212)
plt.title("One Object as an example")
plt.imshow(label_im == 6)   # change number for the others!

将输出：

作为一个例子，我展示了S 字母。如果您更改label_im == 6，您将收到下一封信。正如您将看到的那样，它并不总是正确的，图像的其他小块也被视为对象。所以你将不得不在这方面多做一些工作。